Meta于本周三发布了其最新的人工智能模型,这也是该公司组建一支高成本研究团队以更好应对AI竞争对手以来的首款产品。
这款名为Muse Spark的新模型由Meta Superintelligence Labs打造。该团队汇聚了一批来自其他AI公司的顶尖AI领导者与开发者,去年正式组建,由Scale AI联合创始人兼CEO王仁勋(Alexandr Wang)领衔。王仁勋加入Meta AI团队的背景是,Meta已同意向Scale AI投资143亿美元。
该模型内部代号为"Avocado",目前已为Meta AI应用程序和Meta AI官网提供支持,并将于近期接入Meta旗下的WhatsApp、Instagram、Facebook、Messenger及AI智能眼镜等产品。Meta将这款新模型称为"我们发展轨迹上的一个早期数据节点",并透露更大规模的模型正在研发之中。
Meta在发布公告中表示:"这款初始模型在设计上轻量且高效,同时具备足够强大的推理能力,能够处理科学、数学和健康等领域的复杂问题。它是一个强大的基础,下一代模型已经在开发中。"
为在持续演进的AI领域保持竞争力,Meta近年来持续加大投入,组建了一支致力于实现通用人工智能(AGI)的"超级智能团队"。Muse Spark的发布,正值Meta去年推出Llama系列模型表现不尽如人意之后。
Meta在AI领域押下重注,力图追赶并跟上其他AI开发者的步伐。去年11月,谷歌凭借Gemini 3模型在竞争中抢得先机,该模型在编程和研究方面展现出令人印象深刻的能力。OpenAI随后也迅速跟进,对GPT-5进行了更新升级。
Q&A
Q1:Muse Spark模型具体有哪些功能和应用场景?
A:Muse Spark是Meta发布的最新AI模型,设计上注重轻量与高速,同时具备较强的推理能力,可处理科学、数学和健康等领域的复杂问题。目前该模型已应用于Meta AI应用程序和Meta AI官网,未来还将陆续接入WhatsApp、Instagram、Facebook、Messenger及AI智能眼镜等Meta旗下产品。
Q2:Meta Superintelligence Labs是什么机构?和Scale AI有什么关系?
A:Meta Superintelligence Labs是Meta去年组建的一支高端AI研究团队,专注于推动通用人工智能(AGI)的实现,由Scale AI联合创始人兼CEO王仁勋(Alexandr Wang)领导。王仁勋加入的背景是Meta同意向Scale AI投资143亿美元,两家公司由此形成了深度合作关系。
Q3:Meta在AI领域目前的竞争态势如何?
A:Meta目前面临来自谷歌和OpenAI的强劲竞争压力。谷歌去年11月凭借Gemini 3模型在编程和研究能力上取得领先,OpenAI随后也对GPT-5进行了更新。Meta此前发布的Llama系列模型表现不及预期,此次推出Muse Spark正是其加大AI投入、奋力追赶的重要举措,且更大规模的模型已在研发中。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。